期末報告

• 資料書推。推資料書。。。：選書/報告(report , thesis or paper)原則
• 一人15 8 分鐘（可組2-3人小隊，但每人報告時間不變，須整合）。 Oral presentation
• 書面報告，類似期中報告形式，但內容為推介本次報告之主題

重要日期

• 12/17 繳交報告構想大綱
• 12/24 開始報告 （報告日期：12/24(5x2), 12/27(5); 1/4(5), 1/7(5x2))
• 01/12 2019 01/12 23:59 書面報告繳交

Presentation

12/24 (Mon)

1. 吳汶津: 肥胖與你
2. 孫國豪: Magic the gathering
3. 鄒采晏: 被誤解的犯罪學
4. 陳姵諭: Dark Web
5. 莫承衡: 金字塔底層大商機
6. 蘇羿豪: How to lie with statistics
7. 陳毓晴: Awards and the Longevity of Musicals
8. 彭長元: 統計的迷思–會騙人的數字
9. 蘇尉嘉: 斜槓青年
10. 楊冠彥: 縣道漸寬終不悔?–以花蓮縣道193拓寬案為例

12/27 (Thr)

11. 簡如均: 鄉民公審/社會正義
12. 吳家萱: 脫北者（一）
13. 宋宸耘: 脫北者（二）
14. 賴雅璇: 文學大數據（一）
15. 陳婧: 文學大數據（二）

01/03 (Thr)

16. 吳明哲: 吃遍世界看經濟
17. 侯冠均: Cooking for Geeks
18. 張維凱: Factfulness
19. 陳心如: 富爸爸,窮爸爸
20. 鍾婕歆: 自殺的迷思

01/07 (Mon)

21. 賴以婷: 與成功有約
22. 陳柏任: 超自然心理學
23. 王星宇: 巷口社會學
24. 黃子娟: Bilibili
25. 江孟芸: 說話的藝術
26. 李采晏: 小心！魔鬼就在你身邊！
27. 蔡明錡: Big Data
28. 李冠霈: ????

說明

• 報告構想大綱
  • 這本書/論文主要關心的問題
  • 我想聚焦的問題/圖表/統計數字
  • 針對聚焦問題的初步心得，文獻資訊探索
  • 參考資料與延伸閱讀
• 書面報告內容與結構建議
  • 摘要: 總結本報告內容
  • 介紹: 為何這本書/論文的內容為何重要/為何是你該知道的？它會對你有何幫助/成長？
  • 主要內容
  • 結論
  • 參考資料/延伸閱讀

R 是一個開源自由統計軟體/系統. 加上 Rstudio, 他們合體成一個強大而方便的資料分析，資料視覺化，甚至是撰寫報告，寫作書籍的一個方便環境。

從零開始

• R for Data Science
• R Games
• You Can Be A Data Analyst Without Doing Heavy Math

這個課程報告將作為接下來幾周的主軸，大家可以以個人或小組為單位，選擇主題、研究主題、準備報告內容、準備口頭報告以及最後撰寫書面報告。歡迎隨時和我討論。

資料與資訊很多，提醒各位我們的 buffet analogy :)

選擇主題

尋找適合、有趣、自己有興趣的，與資料、圖表有關的書籍或文獻。

研究

準備報告內容

準備口頭報告

書面報告

蹺課 + 溫暖冬陽＋ 蒜味蜂蜜蛋糕條

Links

• Weapons of Math Destruction by Cathy O’Neil’s
  • TED (13 min)
  • Google (58:21), Ford Foundation(64:27)

• Structure Your Presentation Like a Story by Nancy Duarte
• The Secret structure of great talks
• Duarte Tips, Five rules for presentation@youtube
• Classic storytelling techniques for engaging presentations

坐在幕前可以看/聽到許多，但走到幕後可以了解更多—不是幕後花絮，而是（部份）知曉一個表演如何拆解、組裝，又完美而即時地統合在一起。再回到幕前，你會更清楚而且更享受這個表演。

Katsune Mihu

期末報告 (beta)

• 資料書推。推資料書。。。：選書/報告(report , thesis or paper)原則
• 一人15 分鐘（可組2-3人小隊，但每人報告時間不變，須整合）presentation
• 書面報告，類似期中報告形式，但內容為推資料書

Written Report and Presentation

在學校、社會或網路世界，我們需要與別人溝通：傳達我們知道的，探究我們不知道的，讓別人知道我們的想法與感受。要達成這樣的溝通，書面報告與口頭簡報是相當常用而有強大力量的方式。多數的人都需要有這樣的能力，特別是在生涯、進入社會的起步階段。好好花點時間學習，把握機會練習，會讓你接觸更大的天空。

• Report writing
  • How to write a college report @wikiHow
  • How to write outstanding college-level book reports, JBirdwellBranson
  • A guide to write sucessful reports @ DERDW ETH
• 簡報與投影片準備 Presentation & Slides:
  • Robin William’s *RAP, Basic of Design (The Non-Designer’s Design Book);
  • Presentation Zen: Examples at Six Minute, in words, more
  • Technical Presentation:
    WikiHow, A Guide to Technical Presentations;
  • How to give great presentations-4 tips during presentation @Soft Skills – Ask a Wharton MBA
    Giving Presentation Feedback @ Lara Hogan
  • NTU: 丙紳隨筆, 台大簡報課

• Links, Tools & Apps
  • 東華圖書館
  • Diigo

以大家所熟悉/關切的考試資料來引介資料分析的面向。幾個關注的問題：

• 資料之外的資訊來源 vs. 資料之中的資訊

• 我考得如何?

  • 老師的類型？
  • 全班考得如何？所謂的如何是什麼？

• 我會拿高分嗎？會被當嗎？

  • 考試成績代表什麼？已知與未知？預測？
  • 老師如何打分數

實例

• 動機問題：如何理解（老師/助教）公佈的成績資料？如何利用部份訊息來大致推估整體狀況？ 參考資料：2016 統計學課網
• (Continued) 更細部的分析/圖表
  (資料均已匿名化，僅供教學示範)
• 現在狀況：（可能）可以做的事，可能要小心的事。

Data Science is OSEMN

• A Taxonomy of Data Science
• Data Science is OSEMN

Data Visualization

拜大數據、AI 風潮，Data Visualization 現在是一個熱門詞。但如同AI 一樣，它並不是一個新詞。從某個意義來說，Altamira Cave painting 也有 inforgraph 或 data vis 的成份在其中。越是熱門的詞句，越多濫用與誤用，這門課也許沒有時間詳細討論 BI (Business Intelligence), BA (Business Analytics)，或是 R, Python，SAS， Splus 等統計分析軟體與作圖。但希望藉由一些範例的介紹與討論，來了解一下DV的原則 (Principles) 與該注意的一些提醒。

• Data Visualization keynote with Alberto Cairo @ Microsoft Power BI; 分段表
• 資料視覺化的基本原則 蔡天怡 數位人文概論國立臺灣大學圖書資訊學系

What you see is what you get?

Data science process

• Data Vis? How does it relate to Data Analysis?
• You cannot see it until you “see” it
  • Exploratory data analysis
  • Data/Graphical communication
• Examples
  • One variable: say midterm scores, income, salary
  • Two or more variables: (midterm, final), (income, age, gender, education, area); (salary, profession, age, gender, education, area)

沿著假設檢定的介紹，我們來談一下它的上源，資料。

• 無心的資料收集
• 有心的資料收集: 好心 與 不好心/壞心;
  • Sampling/Reasoning towards a foregone solution
  • Multiplicity problem
• 有（好）心資料資料收集: Basics of sampling survey
  • Simple random sampling: the measurements in the population are homogeneous
  • Stratified random sampling: Homogeneous within stratum, heterogeneous between strata
  • Cluster sampling: Heterogeneous within cluster (as heterg. as the population itself)
    and homogeneous among clusters.
    Keyword: Homogeneous, heterogeneous

假設檢定 Hypothesis Testing

• 問問題的模式，影響它被回答的方式，間接地影響到結果，結論以及延伸的詮釋。
• 法庭審查：無罪推定/Presumtion of innnocence
  $$ H_0: \text{A 無罪}. \quad vs. H_1: \text{A 無罪}$$
  勿枉勿縱是理想，但實際上無法做到。退而求其次，不冤優先，次而不縱。
• 統計假設檢定：H_0_ 推定。當證據不足/不夠強時，就回到 H_0_
  這其實也是一個實務的作法，並無法保證 H_0_是對的。
• 在許多報告/報導/廣告中，常可見到假設檢定的身影。要注意
  • H_0_, H_1_ 是怎麼放的？合理嗎？
  • 報導的是證據不足不棄卻 H_0_ 還是棄卻 H_0_ 支持 H_1 的結果。一般來說，如僅是前者，基本上只是沿用過去，或相信的作法，並沒有什麼資料證據可言。